929 artículos
Este artículo presenta un descriptor de elevación de Heisenberg ligero y sensible al orden, que cuenta con un área con signo terminal y una extensión de quince dimensiones, el cual mejora significativamente la precisión del reconocimiento de escritura a mano en línea al capturar la información de la dirección de trayectoria del trazo que los descriptores euclidianos tradicionales omiten.
Este estudio evalúa la confiabilidad de los métodos de explicación LIME, Parzen y Greedy en modelos de clasificación de textos e imágenes religiosas, encontrando que LIME supera consistentemente a los otros en la identificación de características no confiables dentro de las restricciones específicas del conjunto de datos de texto binario y el alcance limitado de las imágenes.
Este artículo introduce un esquema de subdivisión interpolatorio adaptativo que aprende ángulos de inserción locales mediante un predictor compacto por aristas para superar a las líneas base de tensión fija en precisión y suavidad a través de geometrías euclídeas, esféricas e hiperbólicas, preservando al mismo tiempo la garantía de que las curvas refinadas pasan por los puntos de control originales.
Este artículo presenta X-WAF, un marco de aprendizaje automático híbrido que combina un conjunto de clasificadores con explicabilidad impulsada por SHAP para lograr una detección de ataques web de día cero de alta precisión y baja latencia, al tiempo que traduce automáticamente los conocimientos en reglas de ModSecurity accionables para una integración fluida en las infraestructuras de seguridad existentes.
Este artículo presenta StrokeID-NER, un conjunto de datos indonesio disponible públicamente de 1.742 consultas de salud generadas por pacientes y anotadas para entidades nombradas relacionadas con el accidente cerebrovascular, el cual se utilizó para demostrar que los modelos transformer ajustados superan significativamente a las bases de referencia de cero disparos (zero-shot) en el reconocimiento de terminología médica informal y regional, al tiempo que destaca que las futuras mejoras de rendimiento dependen primordialmente de la expansión de la cobertura léxica más que de la arquitectura del modelo.
Este estudio presenta un marco de IA Agéntica escalable y fundamentado en la teoría que evalúa rigurosamente la credibilidad de las afirmaciones de los ODS corporativos frente a una rúbrica de cinco dimensiones, revelando que, si bien la mayoría de las divulgaciones son parcialmente sustantivas, las empresas suelen declarar por debajo de su compromiso real con la sostenibilidad.
Este estudio propone un marco de trabajo Mask R-CNN mejorado mediante la ecualización de histogramas y el optimizador Adam para lograr un mAP del 90,4 % en la detección de baches y la segmentación de instancias en carreteras, superando significativamente al modelo base para el monitoreo inteligente de vías.
Este artículo demuestra que los modelos probabilísticos de difusión de eliminación de ruido condicionales por clase (DDPMs) mitigan eficazmente el desequilibrio severo de clases en el mantenimiento predictivo mediante la síntesis de muestras de clase minoritaria de alta fidelidad, superando significativamente a los métodos de aumento tradicionales como SMOTE y las GANs en la detección de fallos industriales poco comunes.
Este artículo presenta la Generación Aumentada por Recuperación Causal (CR-RAG), un marco que modela el flujo de trabajo de RAG como un Modelo Causal Estructural para mitigar las correlaciones espurias y reducir las alucinaciones mediante el ajuste de puerta trasera, el reponderado por la inversa de la propensión y la aumentación de datos contrafácticos, logrando mejoras significativas de rendimiento en evaluaciones de conocimiento intensivo, particularmente para preguntas de cola larga.
Este artículo propone un nuevo marco de difusión para la restauración de imágenes que emplea el modelado interactivo del determinismo y la estocasticidad para adaptarse eficazmente a los requisitos heterogéneos de diversas tareas de degradación, logrando un rendimiento y una interpretabilidad superiores en múltiples escenarios de restauración.